Инженеры компании Boston Dynamics рассказали, как роботы Atlas видят окружающее пространство и действуют в соответствии с этим. Оказывается, у машин есть относительная свобода выбора и они могут планировать свои будущие действия.

Восприятие окружающего пространства 

Система «зрения» Atlas использует камеру глубины, которая позволяет создать облако точек со скоростью 15 кадров в секунду. Специальный алгоритм воссоздаёт из этого облака карту окружающих поверхностей и указывает расстояния до каждой из них. 

Увиденные поверхности сортируются системой на препятствия и те, что можно использовать для достижения цели. Таким образом робот планирует своё поведение. Траектория движения и трюки, которые машина должна совершить по пути, указываются человеком. Дальше робот действует сам.

Также в «карту действий» записаны приблизительные шаблоны предметов и описания возможных действий с ними. 

Если роботу дать команду прыгнуть на ящик, предварительно сообщив его местоположение, то машина сможет выполнить команду даже в том случае, если ящик сдвинуть на полметра. Однако система даст сбой, если ящик передвинуть слишком далеко, например, на метр или более.

Библиотека поведения

Те самые движения и трюки, которые Atlas выполняет в многочисленных видео, записаны в его память в виде шаблонов, оптимизированных по траектории. У Atlas есть свобода в том смысле, что он сам выбирает из библиотеки поведение, которое максимально соответствует заданным целям.

У разработчиков есть возможность пополнять библиотеку шаблонов, тем самым обучая робота новым движениям.

Система управления с прогнозированием

Люди указывают роботу траекторию движения, предметы на его пути и манёвры для их преодоления. Однако часть вычислений берёт на себя нейронная сеть, которая выбирает каждое следующее движение, исходя из ситуации. Также алгоритм в реальном времени регулирует продолжительность и силу действия, и центр тяжести робота.

Шаблон движения из библиотеки — это лишь приблизительное описание действия. Нейросеть динамически подстраивает их под конкретную ситуацию. Это позволяет упростить процесс обучения робота. Например, если Atlas уже умеет прыгать с высоты 40 см, то и большая высота для него не будет проблемой, ведь движения похожи, а значит система управления справится без особых трудностей.

Благодаря умению прогнозировать, нейронная сеть видит «сквозь границы поведения». Она как бы просчитывает движения робота наперёд. Так, если за прыжком следует обратное сальто, то система управления позаботится о плавных переходах между этими движениями. При этом возможности алгоритмов не безграничны, и с некоторыми задачами они справиться не могут. 

По словам инженеров Boston Dynamics, библиотека шаблонов будет расширяться, как и возможности Atlas.